/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.6-35B-A3B
Библиотека
gguf
Опубликована
17 апр 2026

Qwen3.6-35B-GGUF

Генерация текстаТекст → текст15 профессий

Qwen3.6-35B-GGUF — это GGUF-квантизация базовой модели Qwen/Qwen3.6-35B-A3B, подготовленная разработчиком 0xSero.

289скачиваний за 30 дней26лайковвеса обновлены30 мая 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель предназначена для генерации текста и запуска через llama.cpp, включая сценарии локального инференса на совместимом оборудовании. Доступны варианты с разными уровнями квантизации, включая динамическую смешанную квантизацию DYNAMIC.gguf.

Модель имеет 35 млрд общих параметров, при этом на один токен активируется около 3 млрд параметров. В её основе используется гибридная архитектура Gated DeltaNet и Gated Attention с маршрутизацией через 256 экспертов; для DYNAMIC.gguf критичные компоненты внимания и маршрутизатор сохраняются в более высокой точности, а экспертные слои квантуются сильнее. Указан формат GGUF, однако размер контекста, число слоёв, скрытый размер, поддерживаемые языки и модальности в README не приведены.

Сильной стороной являются варианты, ориентированные на баланс качества, размера и скорости, а также результаты тестирования на AMD Ryzen AI MAX+ 395 с Radeon 8060S, Vulkan и llama.cpp. Ограничение — заявленные показатели производительности относятся к конкретной конфигурации и могут отличаться на другом оборудовании; квантизация также может влиять на качество. Модель распространяется по лицензии Apache 2.0, унаследованной от базовой модели.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

[!TIP] Support this work → · X · GitHub · REAP paper · Cerebras REAP

Qwen3.6-35B-GGUF

GGUF quantization of Qwen/Qwen3.6-35B-A3B.

At a glance

Base modelQwen/Qwen3.6-35B-A3B
FormatGGUF
Total params35B
Active / token3B
Experts / layer—
Layers—
Hidden size—
Context—
On-disk size171 GB

Which variant should I pick?

VariantFormatLink
Qwen3.6-28BBF16link
Qwen3.6-28B-GGUFGGUFlink
Qwen3.6-35B-GGUF (this)GGUFlink

Dynamic mixed-precision GGUF quantizations of Qwen/Qwen3.6-35B-A3B, produced and benchmarked on a Framework Desktop with AMD Ryzen AI MAX+ 395 (Radeon 8060S, gfx1151, 128 GB UMA) running Vulkan via llama.cpp.

Variants

FileSizeprefill (t/s)decode (t/s)Notes
Qwen3.6-35B-A3B-Q8_0.gguf35 GB97552.7near-lossless reference
Qwen3.6-35B-A3B-Q6_K.gguf27 GB83062.2
Qwen3.6-35B-A3B-Q5_K_M.gguf24 GB94364.1
Qwen3.6-35B-A3B-Q4_K_M.gguf20 GB102170.2production sweet spot
Qwen3.6-35B-A3B-Q4_0.gguf19 GB106176.5fastest decode
Qwen3.6-35B-A3B-IQ4_NL.gguf19 GB89173.1
Qwen3.6-35B-A3B-DYNAMIC.gguf19 GB110064.0fastest prefill; mixed per-tensor quant

All numbers: pp=4096 tokens, tg=128 tokens; -fa 1 -ctk q8_0 -ctv q8_0 -ub 2048 -b 2048 on a single Vulkan gfx1151 device.

Dynamic mix recipe

DYNAMIC.gguf uses a per-tensor quantization map chosen for the hybrid Gated DeltaNet + Gated Attention architecture:

  • attn_k / attn_q / attn_v → Q8_0 (retrieval-critical)
  • attn_output → Q5_K
  • ffn_gate_inp (router) → Q8_0 (routing-critical)
  • ffn_gate_exps / ffn_up_exps / ffn_down_exps (256 routed experts) → IQ4_NL
  • ffn_gate_shexp / ffn_up_shexp / ffn_down_shexp (shared expert) → Q6_K
  • token_embd / output → Q8_0
  • everything else → Q4_K_M (fallback)

Usage

llama-bench -m Qwen3.6-35B-A3B-DYNAMIC.gguf -ngl 99 -fa 1 -ctk q8_0 -ctv q8_0 \
  -ub 2048 -b 2048 -p 4096 -n 128

Benchmark context

Research series on pushing Qwen3.5/3.6 on AMD Strix Halo. Methodology, scripts, and live results: see the benchmark site referenced from the GitHub repo.

License

Apache 2.0 (inherited from base model).

License & citation

License inherited from the base model.

@misc{lasby2025reap,
  title  = {REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression},
  author = {Mike Lasby and Ivan Lazarevich and Nish Sinnadurai and Sean Lie and Yani Ioannou and Vithursan Thangarasa},
  year   = {2025}, eprint = {2510.13999}, archivePrefix = {arXiv}
}

Sponsors

Made possible by NVIDIA · TNG Technology · Lambda · Prime Intellect · Hot Aisle.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
019acc2

0 моделей